張麗芬　董才林　喻　瑩　王艷紅　賈靜蘭

(華中師范大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)學(xué)院　湖北 武漢 430079)

?

一種支持混合QoS屬性的服務(wù)選擇方法

張麗芬董才林喻瑩王艷紅賈靜蘭

(華中師范大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)學(xué)院湖北 武漢 430079)

當(dāng)前的服務(wù)選擇方法大都假設(shè)所有服務(wù)的QoS(Quality of Service)屬性值必須均為確定的實(shí)數(shù)，并未考慮QoS屬性的模糊性。這個(gè)假設(shè)在實(shí)際應(yīng)用需求中具有一定的局限性，還會(huì)丟失大量的數(shù)據(jù)信息。為增強(qiáng)QoS表達(dá)能力，將QoS屬性值描述成精確數(shù)值型、區(qū)間數(shù)值型、模糊數(shù)值型。同時(shí)，用序關(guān)系向量表示用戶對(duì)不同QoS屬性的需求偏好，將其轉(zhuǎn)換成用戶對(duì)QoS屬性的主觀權(quán)重，并采用熵權(quán)法計(jì)算QoS屬性的客觀權(quán)重。在此基礎(chǔ)上，采用相對(duì)優(yōu)勢(shì)度算法給出混合QoS屬性的服務(wù)選擇過(guò)程。最后通過(guò)模擬和實(shí)驗(yàn)驗(yàn)證，證明相對(duì)優(yōu)勢(shì)度算法的有效性與合理性。

服務(wù)選擇混合QoS相對(duì)優(yōu)勢(shì)度序關(guān)系向量熵權(quán)

0　引　言

隨著互聯(lián)網(wǎng)的快速發(fā)展，Web服務(wù)得以廣泛運(yùn)用，相關(guān)技術(shù)不斷進(jìn)步和發(fā)展。在Internet上涌現(xiàn)了大量的服務(wù)，為了選擇最合適的服務(wù)，服務(wù)請(qǐng)求者通常首先搜索滿足自身功能性需求的服務(wù)，發(fā)布在Internet上的多個(gè)服務(wù)(功能相似)都符合服務(wù)請(qǐng)求者功能性需求時(shí)，用戶需要依據(jù)服務(wù)的非功能性屬性尤其是服務(wù)質(zhì)量QoS來(lái)進(jìn)行服務(wù)選擇。

從公開文獻(xiàn)中可以發(fā)現(xiàn)，支持QoS的服務(wù)選擇方法有基于QoS語(yǔ)義[1,2]的和基于QoS屬性[3,4]的兩種。以QoS語(yǔ)義為基礎(chǔ)的服務(wù)選擇方法是基于語(yǔ)義級(jí)的，它的基礎(chǔ)是本體論，即QoS屬性的描述采用QoS本體的方式，QoS的匹配依據(jù)QoS本體中的相似度。王偉鋒等提出一種基于QoS的語(yǔ)義Web服務(wù)選擇框架[1]，該框架不但可以提高QoS的語(yǔ)義描述能力，還能有效實(shí)現(xiàn)對(duì)服務(wù)的動(dòng)態(tài)發(fā)現(xiàn)和選擇。Tian等設(shè)計(jì)一種稱為WS-QoS的方法對(duì)服務(wù)進(jìn)行動(dòng)態(tài)選擇[2]，并構(gòu)造出一個(gè)基于QoS語(yǔ)義的服務(wù)信譽(yù)框架和概念模型。以QoS屬性為基礎(chǔ)的服務(wù)選擇方法是通過(guò)計(jì)算服務(wù)的各個(gè)QoS屬性值，獲得各個(gè)服務(wù)的QoS度量值，依據(jù)所定義的評(píng)價(jià)標(biāo)準(zhǔn)，對(duì)服務(wù)進(jìn)行排序以實(shí)現(xiàn)服務(wù)的選擇與評(píng)估[5]， 該方法是當(dāng)今研究服務(wù)選擇問(wèn)題中較為流行的方法。王飛等借助模糊數(shù)學(xué)理論來(lái)描述服務(wù)的QoS屬性，在此基礎(chǔ)上，給出服務(wù)的評(píng)價(jià)與決策過(guò)程[3]，以便服務(wù)請(qǐng)求者選擇合適的服務(wù)。李蜀瑜等通過(guò)比較兩個(gè)服務(wù)的QoS屬性的歐氏距離[4]，以此對(duì)兩者的匹配度進(jìn)行度量。

然而，目前基于QoS的服務(wù)選擇方法中大都假設(shè)QoS屬性的取值為一個(gè)確定的實(shí)數(shù)，未考慮QoS屬性的模糊性。事實(shí)上，由于QoS屬性的多樣性以及服務(wù)資源調(diào)度的靈活性，使得服務(wù)提供者很難公布QoS屬性的精確信息[6]，用精確實(shí)數(shù)表示服務(wù)的各個(gè)QoS屬性值具有一定的不合理性。 為了有效解決這個(gè)問(wèn)題，本文使用精確數(shù)值型、區(qū)間數(shù)值型、三角模糊數(shù)值型對(duì)QoS屬性值分別進(jìn)行描述，在此基礎(chǔ)上，采用相對(duì)優(yōu)勢(shì)度算法給出混合型QoS屬性的服務(wù)選擇過(guò)程。

1　QoS屬性描述

為了對(duì)比功能相似服務(wù)質(zhì)量卻不同的服務(wù)，需要構(gòu)建服務(wù)的QoS屬性模型。服務(wù)的質(zhì)量信息可以采用不同的QoS屬性進(jìn)行描述，本文通過(guò)費(fèi)用、可用性、響應(yīng)時(shí)間、可靠性和聲譽(yù)等5個(gè)屬性來(lái)建立QoS屬性模型：

1) 費(fèi)用(Price)：費(fèi)用是服務(wù)請(qǐng)求者調(diào)用服務(wù)時(shí)必須支付的貨幣量，在短期內(nèi)基本不會(huì)發(fā)生變化，該值可用精確數(shù)值型表示。

2) 可用性(Availability)：可用性是服務(wù)在給定的一段時(shí)間內(nèi)可訪問(wèn)的概率，因此將其表示為一個(gè)介于[0,1]區(qū)間的精確實(shí)數(shù)。

3) 響應(yīng)時(shí)間(Time)：響應(yīng)時(shí)間表示從服務(wù)請(qǐng)求者發(fā)出調(diào)用申請(qǐng)到最終獲取服務(wù)執(zhí)行結(jié)果所需時(shí)間。由于網(wǎng)絡(luò)環(huán)境的動(dòng)態(tài)性以及用戶請(qǐng)求數(shù)的變化，響應(yīng)時(shí)間T具有一定的波動(dòng)特性，因此本文將響應(yīng)時(shí)間T表示成一個(gè)區(qū)間型數(shù)值。

4) 可靠性(Reliability)：可靠性是衡量服務(wù)整體性能的指標(biāo)量；其屬性值來(lái)源于用戶在調(diào)用服務(wù)過(guò)程中，對(duì)該服務(wù)的性能指標(biāo)所作出的主觀反饋。對(duì)于一個(gè)普通用戶來(lái)說(shuō)，通常都會(huì)以極高、很高、高、較高、一般、較低、低、很低、極低等語(yǔ)言型數(shù)值來(lái)表達(dá)可靠性。雖然語(yǔ)言型的數(shù)據(jù)具有合理的描述能力，但是無(wú)法直接參與QoS的度量計(jì)算，因此本文采用三角模糊數(shù)型對(duì)其量化。Re=(al,am,au) ，其中al,am,au分別表示三角模糊數(shù)的下界、核和上界值。三角模糊數(shù)的取值一般由領(lǐng)域?qū)＜?QoS專家和用戶專家)給出[7]。

5) 聲譽(yù)(Reputation)：聲譽(yù)是衡量服務(wù)可信賴性的QoS屬性，它主要依賴客戶使用該服務(wù)的經(jīng)歷，由客戶反饋得到，但是由于一些惡意打擊，客戶主觀的聲譽(yù)值缺少一定的可信性。因此，本文采用文獻(xiàn)[8]給出的Web聲譽(yù)模型WSrep，聲譽(yù)值可由該模型自動(dòng)生成。

2　主觀權(quán)重的序關(guān)系向量表示

由于服務(wù)存在多個(gè)QoS屬性，因此，當(dāng)用戶面臨多個(gè)QoS需求間進(jìn)行比較決策時(shí)，需要考慮用戶對(duì)不同QoS屬性的需求偏好[9]。用戶利用排序的方式來(lái)表示對(duì)不同QoS屬性的重視程度，從而可得各個(gè)QoS屬性相對(duì)重要程度，更能體現(xiàn)一般用戶的偏好需求[10]，彌補(bǔ)了精確權(quán)重表示的不足。設(shè)偏好次序?yàn)閛=(o1,o2,…,oi,…,om)T，oi∈[1,m]表示用戶對(duì)服務(wù)QoS屬性ai的偏好次序，且oi值越小，用戶的偏好程度越大。令vi=(m-oi)/(m-1)，vi為用戶對(duì)QoS需求偏好的序關(guān)系向量，顯然，vi值越大，用戶的偏好程度越大，wis也越大。

對(duì)于用戶給出的序關(guān)系型權(quán)重信息vi，最終的權(quán)重值應(yīng)該盡可能地與它貼近，以此確保屬性的主觀權(quán)重wis能夠充分反映用戶對(duì)QoS屬性的偏好，即主觀權(quán)重wis盡可能地貼近vi。將某候選服務(wù)第i個(gè)屬性與第j個(gè)屬性間的序關(guān)系型權(quán)重信息的貼近度定義為：

那么候選服務(wù)所有m個(gè)QoS屬性的序關(guān)系型權(quán)重信息的總貼近度和為：

為了獲得各QoS屬性最優(yōu)的主觀權(quán)重，需要保證總貼近度值最小，據(jù)此可構(gòu)造如下最優(yōu)化模型：

(1)

3　客觀權(quán)重的熵權(quán)型表示

為了能讓QoS屬性的度量結(jié)果確切地體現(xiàn)服務(wù)的整體性能，以避免服務(wù)選擇中用戶偏好的局限性，本文提出客觀權(quán)重的熵權(quán)法。熵權(quán)法[11]通過(guò)綜合考慮各因素的信息量來(lái)計(jì)算一個(gè)綜合指標(biāo)，它主要依據(jù)各因素所反映的信息量大小來(lái)確定權(quán)重。熵權(quán)法可以貼切地反映服務(wù)各QoS屬性的信息量，有效解釋各QoS屬性在QoS度量中的作用，它以服務(wù)QoS屬性值的信息熵作為客觀權(quán)重的確定依據(jù)。由此構(gòu)造熵權(quán)模型以確定候選服務(wù)各QoS屬性的客觀權(quán)重，步驟如下：

設(shè)現(xiàn)有n個(gè)功能相似的候選服務(wù)WS={ws1,ws2,…,wsn}，對(duì)于每個(gè)候選服務(wù)都有以上的5個(gè)通用屬性，其中，可用性、可靠性、聲譽(yù)為正向?qū)傩?表現(xiàn)值越大越好的屬性)，費(fèi)用和響應(yīng)時(shí)間為負(fù)向?qū)傩?表現(xiàn)值越大越劣的屬性)。那么n個(gè)服務(wù)的QoS屬性值可以構(gòu)成一個(gè)矩陣A=[aij]n×5，aij表示第i個(gè)服務(wù)的第j個(gè)屬性的QoS取值。

為了統(tǒng)一數(shù)據(jù)量綱，需要將決策矩陣A=[aij]n×5規(guī)范為標(biāo)準(zhǔn)化決策矩陣B=(bij)n×5。

步驟如表1所示。

表1　客觀權(quán)重步驟示意

續(xù)表1

熵權(quán)的定義如下：

定義1對(duì)于一個(gè)具有n個(gè)候選服務(wù)、m個(gè)屬性的多屬性決策問(wèn)題，屬性j(1≤j≤m)的熵定義為:

(2)

定義2目前對(duì)于區(qū)間數(shù)值型、三角模糊數(shù)值型的客觀賦權(quán)方法主要有區(qū)間數(shù)指標(biāo)熵值法，它通過(guò)對(duì)各端點(diǎn)值求平均值，將區(qū)間型和三角模糊數(shù)型數(shù)值轉(zhuǎn)化為實(shí)數(shù)型數(shù)值。然后利用平均值的信息熵來(lái)反映，但是這種方法顯然不能充分反映各端點(diǎn)值間的偏差程度，存在一定的不足。在這里，本文綜合利用各端點(diǎn)值輸出的信息熵，以其平均值Ej來(lái)反映[12]:

(3)

(4)

將主觀權(quán)重和客觀權(quán)重相結(jié)合，可得到各屬性的綜合權(quán)重：wj=αwjs+(1-α)wjo，j=1,2,…,m，其中α∈[0,1]值可根據(jù)用戶主觀偏好的重要性而定。該系數(shù)表示服務(wù)選擇中對(duì)用戶偏好的依賴程度，即基于QoS的服務(wù)選擇結(jié)果中主觀與客觀的比值，若忽略用戶偏好，α取0；若服務(wù)選擇完全依賴用戶偏好，α取1。其值可依據(jù)用戶主觀偏好的重要性而定。顯然，當(dāng)α越大，主觀權(quán)重對(duì)于綜合權(quán)重的影響也就越明顯。

4　基于相對(duì)優(yōu)勢(shì)度算法的服務(wù)排序

現(xiàn)有的針對(duì)混合QoS屬性的服務(wù)選擇問(wèn)題的解決方法主要有兩種：一種是先將混合的屬性信息進(jìn)行一致化，然后進(jìn)行排序度量。所謂一致化就是將混合的屬性信息轉(zhuǎn)換成同一種數(shù)據(jù)類型，在這個(gè)過(guò)程中會(huì)造成混合屬性信息的丟失，最后的決策結(jié)果很難具有較高的精確性。另一類則是利用擴(kuò)展TOPSIS算法(technique for order preference by similarity to a ideal solution)，依據(jù)不同類型數(shù)據(jù)之間的距離[13]，計(jì)算每個(gè)評(píng)價(jià)對(duì)象和正、負(fù)理想解之間的距離，依據(jù)得到的距離對(duì)評(píng)價(jià)對(duì)象進(jìn)行排序。該算法需要先對(duì)不同類型的數(shù)據(jù)進(jìn)行歸一化，其次找出正負(fù)理想解(并非實(shí)際存在)。另外，計(jì)算每個(gè)服務(wù)在各個(gè)屬性上與正負(fù)理想解的歐式距離，計(jì)算過(guò)程較為復(fù)雜。

為了有效解決現(xiàn)有方法的不足，本文采用相對(duì)優(yōu)勢(shì)度算法解決服務(wù)選擇問(wèn)題。相對(duì)優(yōu)勢(shì)是國(guó)際貿(mào)易學(xué)的重要理論，它的原理是指一個(gè)生產(chǎn)者提供相同的服務(wù)或生產(chǎn)相同的商品時(shí)成本優(yōu)于另一個(gè)生產(chǎn)者。因而，相對(duì)優(yōu)勢(shì)原理借用到服務(wù)選擇過(guò)程中，就可以理解成在服務(wù)提供者提供的眾多功能相同的候選服務(wù)集中，比較各個(gè)服務(wù)的服務(wù)質(zhì)量，從中篩選出服務(wù)質(zhì)量(QoS)相對(duì)最具優(yōu)勢(shì)的服務(wù)，即優(yōu)勢(shì)度最高的服務(wù)。

根據(jù)服務(wù)QoS屬性之間可以相互補(bǔ)償?shù)奶攸c(diǎn)，建立基于相對(duì)優(yōu)勢(shì)度的排序方法[14]。將總優(yōu)勢(shì)度值作為度量標(biāo)準(zhǔn)，對(duì)所有的候選服務(wù)進(jìn)行排序后，就可以首先調(diào)用排序最優(yōu)的服務(wù)，將其他服務(wù)視為備用服務(wù)。這樣即使當(dāng)排序最優(yōu)的候選服務(wù)QoS下降甚至不可訪問(wèn)時(shí)，也能夠及時(shí)調(diào)用備選服務(wù)，無(wú)需對(duì)候選服務(wù)進(jìn)行再一次的排序計(jì)算。在該方法中，首先計(jì)算每個(gè)服務(wù)在每個(gè)屬性上相對(duì)于其他服務(wù)的優(yōu)勢(shì)度,然后進(jìn)行集結(jié)，最后得出每個(gè)服務(wù)相對(duì)于其他所有服務(wù)的總優(yōu)勢(shì)度，依總優(yōu)勢(shì)度值進(jìn)行排序。該方法不需進(jìn)行數(shù)據(jù)類型的轉(zhuǎn)換，不必找正負(fù)理想服務(wù)，在實(shí)際的候選服務(wù)之間直接進(jìn)行優(yōu)勢(shì)度的計(jì)算，計(jì)算過(guò)程簡(jiǎn)單直接?；谙鄬?duì)優(yōu)勢(shì)度的Web服務(wù)排序如圖1所示。

圖1　基于相對(duì)優(yōu)勢(shì)度的Web服務(wù)排序

下面分別定義了精確數(shù)值型、區(qū)間數(shù)值型、三角模糊數(shù)值型中任意兩個(gè)數(shù)據(jù)之間的相對(duì)優(yōu)勢(shì)。

定義3設(shè)a、b是兩個(gè)實(shí)數(shù)，則a對(duì)于b的優(yōu)勢(shì)可以表示為：

s(a,b)=a-b

(5)

(6)

定義5設(shè)a=(al,am,au)、b=(bl,bm,bu)是兩個(gè)三角模糊數(shù)，其中0

(7)

其中，la=au-al,lb=bu-bl。

相對(duì)優(yōu)勢(shì)度的排序方法:

第一步依據(jù)有限候選服務(wù)的各個(gè)屬性值，計(jì)算服務(wù)wsi相對(duì)于服務(wù)wsj在每個(gè)屬性at上的優(yōu)勢(shì)s(wsit,wsjt)=s(ait,ajt),i,j=1,2,…,n,i≠j；

當(dāng)at屬性值是實(shí)數(shù)時(shí)，s(ait,ajt)按式(5)計(jì)算；

當(dāng)at屬性值是區(qū)間時(shí)，s(ait,ajt)按式(6)計(jì)算；

當(dāng)at屬性值是三角模糊數(shù)時(shí)，s(ait,ajt)按式(7)計(jì)算。

第二步集結(jié)所有的s(wsit,wsjt)值，計(jì)算服務(wù)wsi相對(duì)于服務(wù)wsj在每個(gè)屬性at上的優(yōu)勢(shì)度Dt(wsit,wsjt)；

若at是正向?qū)傩?則

Dt(wsit,wsjt)=s(wsit,wsjt)/maxst

(8)

若at是負(fù)向?qū)傩?則

Dt(wsit,wsjt)=-s(wsit,wsjt)/maxst

(9)

第三步計(jì)算服務(wù)wsi相對(duì)于服務(wù)wsj在所有屬性上的優(yōu)勢(shì)度：

(10)

其中，wt是屬性at的綜合權(quán)重。

第四步計(jì)算每個(gè)服務(wù)wsi相對(duì)于其他所有服務(wù)的總優(yōu)勢(shì)度：

(11)

第五步根據(jù)D(wsi)排序。D(wsi)越大，說(shuō)明服務(wù)wsi相對(duì)于其他服務(wù)的總優(yōu)勢(shì)度值越大，該服務(wù)排序越靠前。

5　實(shí)例及實(shí)驗(yàn)

基于文獻(xiàn)[8]提供的混合QoS數(shù)據(jù)，候選服務(wù)QoS隨機(jī)生成范圍如下：價(jià)格在100～150之間；可用性在0.80～0.99之間；響應(yīng)時(shí)間上界在180～280之間，下界在280～360之間；可靠性隨機(jī)選取的語(yǔ)言短語(yǔ)集合{極高，很高，高，較高，一般，較低，低，很低，極低}，對(duì)應(yīng)的三角模糊數(shù)見可靠性描述；聲譽(yù)值按照模型自動(dòng)生成，表2給出了QoS屬性集合。本文以隨機(jī)生成的混合QoS屬性數(shù)據(jù)值為基礎(chǔ)，引入主觀權(quán)重與客觀權(quán)重綜合所得權(quán)重，按照相對(duì)優(yōu)勢(shì)度方法對(duì)服務(wù)排序，采用Matlab 7.0模仿服務(wù)選擇。

表2　候選服務(wù)的QoS屬性值

續(xù)表2

1) 為了驗(yàn)證本文算法的可行性，分別利用本文相對(duì)優(yōu)勢(shì)度算法、混合信息一致化算法(通過(guò)求區(qū)間型和三角模糊型數(shù)值各端點(diǎn)值的平均數(shù)，將混合的屬性信息轉(zhuǎn)換成精確實(shí)數(shù))和文獻(xiàn)[13]中的TOPSIS算法對(duì)下列15個(gè)候選服務(wù)排序。文獻(xiàn)[13]中，為了計(jì)算簡(jiǎn)便，直接設(shè)各QoS屬性權(quán)重均為0.2。為了能在相同的屬性權(quán)重情況下，比較三種算法的最終排序結(jié)果，因而也先假設(shè)各屬性權(quán)重為0.2?；谙鄬?duì)優(yōu)勢(shì)度算法、混合信息一致化算法和TOPSIS算法的服務(wù)排序結(jié)果如圖2所示。

圖2　三種算法的排序結(jié)果

可以看出，基于相對(duì)優(yōu)勢(shì)度算法與基于TOPSIS算法的排序結(jié)果基本相同，基于混合信息一致化算法排序結(jié)果卻有較明顯的差異?；诨旌闲畔⒁恢禄惴ㄋ@取的最優(yōu)服務(wù)是ws1，而利用本文的相對(duì)優(yōu)勢(shì)度算法與TOPSIS算法獲取的最優(yōu)服務(wù)均是ws7。由表2知，服務(wù)ws7與服務(wù)ws1相比，盡管服務(wù)ws1響應(yīng)時(shí)間的最小值優(yōu)于ws7，但它們?cè)谫M(fèi)用、可靠性這兩個(gè)屬性上取值相同，且ws7在可用性與聲譽(yù)屬性上的QoS值均明顯優(yōu)于ws1。因此，ws7明顯優(yōu)于ws1， 從而說(shuō)明本文相對(duì)優(yōu)勢(shì)度算法不僅可行且有效，而混合信息一致化算法精確性不高。

2) 不同算法執(zhí)行效率的對(duì)比。由圖3可以看到，隨著候選服務(wù)數(shù)目的增加，兩種算法的平均運(yùn)行時(shí)間呈遞增形式，這是符合實(shí)際情況的。另外，基于相對(duì)優(yōu)勢(shì)度算法的執(zhí)行效率要優(yōu)于基于TOPSIS算法的執(zhí)行效率，因?yàn)門OPSIS算法要對(duì)屬性矩陣進(jìn)行歸一化，而且需計(jì)算較復(fù)雜的歐氏距離，在運(yùn)行時(shí)間上明顯大于相對(duì)優(yōu)勢(shì)度算法。

圖3　兩種算法運(yùn)行效率的對(duì)比

3) 分析基于需求偏好的不同賦權(quán)模式的服務(wù)選擇。當(dāng)α=0時(shí)，即在計(jì)算QoS屬性權(quán)重時(shí)，完全依賴于用戶對(duì)QoS的需求偏好，稱其為需求偏好的主觀賦權(quán)模式；當(dāng)α=1時(shí)，即在計(jì)算QoS屬性權(quán)重時(shí)，忽略用戶的需求偏好，僅考慮QoS屬性值客觀數(shù)據(jù)，稱其為需求偏好的客觀賦權(quán)模式；當(dāng)α=0.5時(shí)，即在計(jì)算QoS屬性權(quán)重時(shí)，既考慮用戶的需求偏好又考慮QoS屬性值，稱為需求偏好的主客觀賦權(quán)模式。候選服務(wù)的總優(yōu)勢(shì)度如表3所示。

表3　候選服務(wù)的總優(yōu)勢(shì)度

選取排序前四的4個(gè)候選服務(wù)，計(jì)算它們?cè)诟鱾€(gè)QoS屬性上的均值(在計(jì)算響應(yīng)時(shí)間時(shí)，取區(qū)間左右兩端值的平均值)。為了能在一個(gè)圖中直觀顯示與比較基于不同賦權(quán)模式的服務(wù)選擇的排序結(jié)果，將可用性、聲譽(yù)的屬性值放大100 倍，費(fèi)用和響應(yīng)時(shí)間的屬性值縮小10 倍，如圖4所示。

圖4　不同賦權(quán)模式的服務(wù)選擇結(jié)果對(duì)比

由圖4可知，主觀賦權(quán)模式分別在費(fèi)用、聲譽(yù)達(dá)到最大，但可用性偏低，響應(yīng)時(shí)間偏高，用戶偏好使得服務(wù)QoS屬性信息的實(shí)際效用不一致；客觀賦權(quán)模式在可用性、響應(yīng)時(shí)間達(dá)到最優(yōu)，但聲譽(yù)、費(fèi)用不是最佳；而主客觀賦權(quán)模式在各個(gè)QoS屬性信息上表現(xiàn)了很好的中間性， 既能表達(dá)用戶偏好又能反映服務(wù)QoS的客觀特征，顯示出更強(qiáng)的靈活特性。

6　結(jié)　語(yǔ)

在開放的Internet環(huán)境中，描述服務(wù)QoS屬性的方式具有多樣性。本文使用精確數(shù)值型、區(qū)間數(shù)值型、三角模糊數(shù)值型對(duì)QoS屬性值分別進(jìn)行描述，利用序關(guān)系向量表示用戶的主觀偏好，同時(shí)利用熵權(quán)表示QoS屬性的客觀權(quán)重。在此基礎(chǔ)上，采用相對(duì)優(yōu)勢(shì)度算法給出混合型QoS屬性的服務(wù)選擇過(guò)程。

通過(guò)模擬仿真和實(shí)驗(yàn)驗(yàn)證，相對(duì)優(yōu)勢(shì)度算法能夠有效地對(duì)功能相似的服務(wù)優(yōu)劣作出選擇，篩選出既能滿足用戶QoS需求偏好又具有較優(yōu)質(zhì)量的服務(wù)；并且該算法與現(xiàn)有算法相比具有較高的執(zhí)行效率。本文采用需求偏好的主客觀賦權(quán)模式在各個(gè)QoS屬性值上能夠表現(xiàn)出很好的中間性，進(jìn)一步證明了主客觀賦權(quán)模式的合理性。如何把相對(duì)優(yōu)勢(shì)度算法用于大批量的混合型QoS屬性的服務(wù)選擇是下一步需要研究的問(wèn)題。

[1] 王偉鋒,劉亞軍.基于QoS的語(yǔ)義Web服務(wù)選擇框架[J]. 計(jì)算機(jī)與數(shù)字工程,2009,37(9):15-19.

[2] Tian M,Gramm A,Ritter H, et al.Efficient selection and monitoring of QoS-aware web services with the WS-QoS framework[C]//Proceedings of the IEEE/WIC/ACM International Conference on Web Intelligence,Beijing,China,2004:152-158.

[3] 王飛,鄒仕洪,陳山枝，等. 基于模糊數(shù)學(xué)的Web服務(wù)QoS建模[J]. 計(jì)算機(jī)應(yīng)用研究,2007,24(4):214-216.

[4] 李蜀瑜,周娟. 基于WSMO服務(wù)質(zhì)量的語(yǔ)義Web服務(wù)發(fā)現(xiàn)框架[J]. 計(jì)算機(jī)應(yīng)用,2009,29(8):2299-2302.

[5] 王勝利.數(shù)據(jù)挖掘技術(shù)在Web服務(wù)分類中的應(yīng)用研究[D].廣東：暨南大學(xué),2010.

[6] 馬玉倩,付曉東, 代志華，等.一種混合QoS 感知的Web 服務(wù)選擇方法[J]. 計(jì)算機(jī)應(yīng)用與軟件,2012,29(6):39-42.

[7] Klir G J, Yuan B. Fuzzy Sets and Fuzzy Logic: Theory and Applications[M].New Jersey: Prentice Hall PTR, 1995.

[8] 楊放春, 蘇森, 李禎. 混合QoS模型感知的語(yǔ)義 Web 服務(wù)組合策略[J].中國(guó)科學(xué)E輯：信息科學(xué), 2008, 38(10):1697-1716.

[9] 馬友,王尚廣,孫其博，等.一種綜合考慮主客觀權(quán)重的 Web 服務(wù)QoS度量算法[J].軟件學(xué)報(bào), 2014,25(11):2473-2485.

[10] 辛樂(lè),范玉順,李想,等.基于服務(wù)信譽(yù)評(píng)價(jià)的偏好分析與推薦模型[J].計(jì)算機(jī)集成制造系統(tǒng)，2014,20(12):3170-3181.

[11] 程冬,董才林,喻瑩.一種基于模糊理論的Web服務(wù)信任評(píng)估模型[J].計(jì)算機(jī)應(yīng)用與軟件，2012,29(10):82-84，179.

[12] 郭秀英.區(qū)間數(shù)指標(biāo)權(quán)重確定的熵值法改進(jìn)[J].統(tǒng)計(jì)與決策，2012(17):32-34.

[13] 李小林,張力娜. 基于混合QoS模型的服務(wù)選擇策略[J].科學(xué)技術(shù)與工程，2012,12(22):5653-5657，5660.

[14] Qian Y H, Liang J Y,Song P,et al. On dominance relations in disjunctive set-valued ordered information systems[J].International Journal of Information Technology and Decision Making,2010,9(1):9-33.

A WEB SERVICE SELECTION METHOD SUPPORTING HYBRID QOS ATTRIBUTES

Zhang LifenDong CailinYu YingWang YanhongJia Jinglan

(School of Mathematics and Statistics, Huazhong Normal University, Wuhan 430079,Hubei,China)

Current Web service selection methods mostly assume that all the QoS attribute values of Web services have to be the definite real numbers; but do not take into account the fuzziness property of QoS. This hypothesis has certain limitation in practical application requirement; what’s more, it will also cause the loss of a large amount of data information. To enhance the representation capability of QoS, we described the QoS attributes as the accurate numerical type, the interval numerical type and the fuzzy numerical type. At the same time, we used the order relations vector to represent the demand preference of user on different QoS attributes and converted them into user’s subjective weights on QoS attributes, as well as calculated the objective weights of QoS attributes with entropy weight. On this basis, we gave Web service selection process of hybrid QoS attributes by using relative superiority degree algorithm. At last we proved the effectiveness and rationality of the relative superiority degree algorithm through simulation and experiment verification.

Web service selectionHybrid QoSRelative superiority degreeOrder relation vectorEntropy weight

2015-04-20。張麗芬，碩士生，主研領(lǐng)域：Web服務(wù)。董才林，教授。喻瑩，副教授。王艷紅，碩士生。賈靜蘭，碩士生。

TP3

A

10.3969/j.issn.1000-386x.2016.09.004